– För mig är AI maskiner som gör saker som skulle kräva intelligens om de gjordes av en människa, sade Carolina Wählby, professor på Institutionen för informationsteknologi och SciLifeLab på Uppsala universitet.

Hon har under de senaste 20 åren arbetat med klassisk cellbildsanalys och leder en forskargrupp som är del av SciLIfeLab och finns vid Institutionen för informationsteknologi på Uppsala universitet. Carolina Wählby var en av flera forskare som gav en lägesbild över AI i sjukvården under konferensen Forska!Sverige-dagen 28 november.

– Till exempel kan AI hjälpa patologer vid cancerdiagnosticering. Med hjälp av AI kan datorn visa var i vävnadsprovet, biopsin, tumören verkar finnas. Genom att använda AI som automatiskt beslutsstödsystem inom cancervården skulle vi kunna sortera bort 80 procent av alla negativa vävnadsprover utan att missa ett enda cancerfall – tänk vad mycket tid det kan spara, sade Carolina Wählby.

– Bedömningar vid cancerdiagnosticering tar tid, vilket gör att patologer kan hamna i situationer när de gör felbedömningar, vilket i sin tur kan leda till att behandlingar av cancerpatienter dröjer. Hur mår patienter som väntar på provsvar? Vad händer med tumören under tiden och hur mycket dyrare blir det för vården om behandling dröjer?

Neurala nätverk

Carolina Wählbys forskargrupp arbetar med deep learning, som är ett delområde inom maskininlärning. Deep learning, eller deep convolutional neural networks, DCNNs, har fått stort genombrott under de senaste åren, och handlar om datorer som lär sig hitta saker i bilder och fatta beslut utifrån bilddata.

– Istället för att vi själva försöker beskriva hur till exempel friska och sjuka celler ser ut rent matematiskt tränar vi neurala nätverk med ett stort antal bilder på friska och sjuka celler. Till slut är nätverket så vältränat att det kan göra en korrekt bedömning av helt nya bilder, förklarade Carolina Wählby.

– För att det här ska fungera behöver vi väldigt mycket data av bra kvalitet. För vårt projekt använder vi 7 000 manuellt bedömda vävnadsprover, som i sin tur delas in hundratals delbilder, som träningsdata, fortsatte Carolina Wählby.

Hon påpekade att forskare inte riktigt förstår varför en viss bild blir betydelsefull för datorns beslut – deep learning är därför lite av en ”svart låda”.

– Vi arbetar nu med nästa steg som kallas explainable AI (XAI) för att förstå exakt vilken del av bilden och vilka parametrar som påverkar systemets beslut, sade Carolina Wählby.

Hon påpekade att Sverige har rätt förutsättningar för att utveckla AI-baserat beslutsstöd för vården; vi har sjukjournaler med personnummer kopplade till välordnade biobanker.

– Den typen av välorganiserade data av hög kvalitet skulle kunna locka hit de duktigaste forskarna inom området. Samtidigt måste vi fundera på vilka regler vi bör ha för att tillgängliggöra data och vilka etiska aspekter som väger tyngst för detta. Det är jätteviktiga frågor, sade Carolina Wählby.

Maskiner lär sig fatta beslut

Rikard Wedin, docent och överläkare vid Karolinska universitetssjukhuset, tog upp vikten av att läkare som behandlar cancerpatienter med spridning till skelettet använder sig av ett kliniskt beslutsstöd, PATHFx, för att kunna basera sin behandling på en patientspecifik överlevnadsprognos. PATHFx är ett nyutvecklat beslutsstöd baserat på AI som utnämndes i fjol till en av Sveriges fem bästa e-hälsoinnovationer, Sveapriset. Maskininlärning, som är ett delområde av AI, kan kort beskrivas som maskiner som lär sig fatta beslut utifrån data.

– Beslutsstödsystemet är kopplat till Regionalt Cancercentrums internationella skelettmetastasregister och uppdateras kontinuerligt för att kunna ge allt säkrare överlevnadsprognoser. Vinsten är minskade behandlingskomplikationer, vilket innebär ökad patientnytta och betydande besparingar av vårdkostnader, sade Rikard Wedin.

Ett sjukhus i New York kalkylerar med en genomsnittlig besparing på 3 696 dollar per patient genom att använda den typen av intelligenta beslutsstöd i cancervården, enligt Rikard Wedin.

Samverkan i Finland

– Det är viktigt med utbildning inom AI på alla nivåer och att främja etiskt hållbar tillämpning av AI, sade Samuel Kaski, professor på Aalto universitetet i Finland och chef för Finnish Center for Artificial Intelligence, FCAI, som är ett finskt nationellt kompetenscenter för AI.

Han presenterade initiativ och investeringar inom AI i Finland.

– Det viktigaste AI-initiativet i Finland har varit att samla nyckelaktörer – från forskning, industri, regering och medborgare – för att bygga ett mer konkurrenskraftigt och effektivt samhälle för människors välbefinnande. Viktigt är också att till exempel säkerställa tillgång till expertis med ett kompetenscenter för AI, och att förbättra företagens konkurrenskraft genom användning av AI, sade han.

Samuel Kaski framhöll också vikten av att ha ett nätverk av AI-organisationer i Europa och nämnde bland annat EU:s expertgrupp för AI som ska ta fram en EU-strategi inom området.

– Det är viktigt att Norden tillsammans stödjer, och tar en större roll, inom AI-initiativ som att bygga European Lab for Learning & Intelligent Systems, Ellis, påpekade han.

Tanken är att Ellis ska engagera de allra bästa europeiska akademikerna, vilka i sin tur ska arbeta nära forskare från industrin.

AI-strategi i Danmark

Danmarks vårdsektor tittar också på AI som ett av flera innovationsområden.

– Vi har i dag många projekt inom AI, men behöver bli bättre, vi räknar med att det tar 3–5 år innan AI får en påverkan på marknaden. Säkerhet kring patientdata kan bli begränsande för forskningen om man inte tittar på den etiska aspekten av det, sade Mette Lindstrøm, chef för Danske Regioner.

I slutet på 2018 ska Danmarks vårdsektor införa en strategi för cybersäkerhet, och under det första kvartalet 2019 en AI-strategi. Exakt vad den senare ska innehålla vet inte Mette Lindstrøm i dag.

Andra områden som dansk vård också tittar på just nu är digital vård, genomisk medicin och icke-klinisk hälsovård.